01 Die Kernformel
Seedance 2.0 ist im Kern ein multimodaler KI-Regisseur: Es liest deinen Text, deine Bilder, Videos und Audios gleichzeitig und zerlegt deinen Prompt intern in eine „Raumebene“ (was im Bild ist) und eine „Zeitebene“ (wie sich die Dinge über die Zeit verändern). Ein guter Prompt ist daher keine Prosa — er ist eine technische Anweisung: wer, wo, was tut, wie sich die Kamera bewegt, in welcher Reihenfolge. Dieses Kapitel zerlegt die offizielle Fortgeschrittenen-Formel in wiederverwendbare Bausteine und zeigt dir dann, wie du Erzählungen mit mehreren Einstellungen über nummerierte Shots organisierst.
1.1 Die grundlegende Prompt-Formel
Die offizielle Fortgeschrittenen-Formel hat acht Teile: präzises Subjekt + Bewegungsdetails + Schauplatz + Licht und Farbe + Kamera + visueller Stil + Bildqualität + Einschränkungen. Am ersten Tag brauchst du nicht alle acht — Subjekt und Bewegung sind die beiden Pflichtbausteine, der Rest stapelt sich nach Bedarf. Aber mach dir die abschließenden Einschränkungen zur Gewohnheit: Negative Anweisungen wie „keine Untertitel erzeugen“ und „kein Wasserzeichen erzeugen“ senken die Ausschussquote messbar.
[Subjekt] + [Bewegung] + optional [Umgebung] [Ästhetik] [Kamera] [Audio] [Einschränkungen]
Subjekt
Der Star im Bild – eine Person, ein Tier oder ein Produkt. Je konkreter, desto besser.
Bewegung
Was das Subjekt tut, mit Körperteilen und Tempo genau beschrieben.
Umgebung
Schauplatz und Stimmung: Ort, Tageszeit, Licht, Wetter.
Ästhetik
Kunststil und Bildqualität: Farbgebung, Textur, Schärfe.
Kamera
Bildausschnitt und Kamerabewegung: Nahaufnahme, Heranfahrt, Schwenk – eine Bewegung pro Einstellung.
Audio
Stimme, Soundeffekte und Hintergrundmusik.
Einschränkungen
Abschließende negative Anweisungen: „keine Untertitel erzeugen“, „kein Wasserzeichen erzeugen“, „keine Logos erzeugen“.
Eine orangefarbene Katze auf der Fensterbank
Prompt
Eine orangefarbene Katze döst auf einer Fensterbank, die in Nachmittagssonne getaucht ist, die Schwanzspitze zuckt hin und wieder, während eine Brise eine Ecke des weißen Gardinenvorhangs anhebt. Die Kamera fährt langsam auf eine Nahaufnahme des Katzengesichts, die Nachmittagssonne zeichnet einen goldenen Rand um sein Fell. Warme, gemütliche Stimmung, cineastische Qualität, weiches natürliches Licht, reich an Details. Das Video frei von Untertiteln halten; kein Wasserzeichen erzeugen.
Zwei Sätze für Subjekt + Bewegung, je einer für Umgebung, Kamera und Bildqualität, dann die Einschränkungen zum Abschluss — die offizielle Fortgeschrittenen-Formel in einem vollständigen Durchgang.
1.2 Subjekt und Bewegung definieren
Die Obergrenze des Modellverständnisses ist deine Bewegungsbeschreibung. Drei offizielle Regeln. Erstens: Zerlege Bewegungen in Körperteile mit Intensität — schreibe bis zu Händen, Schultern und Kopf hin und qualifiziere mit „langsam“, „entschlossen“, „leicht“. Zweitens: Setze auf langsame, kontinuierliche kleine Bewegungen; explosive Aktionen wie Sprinten und Springen brechen leicht. Drittens: Schreibe den Übergang zwischen aufeinanderfolgenden Aktionen, z. B. „aus der Drehung heraus hebt sie die Hand.“ Und verlagere Emotionen nach außen in physische Details — „ihre Finger greifen unwillkürlich nach dem Saum ihres Shirts“ schlägt „sehr nervös“ immer.
Die Latte Art des Baristas
Prompt
Ein Barista in dunkelgrüner Schürze steht hinter einem Holztresen, hält ein Milchkännchen mit beiden Händen leicht geneigt, sein Handgelenk schwingt in gleichmäßigem Tempo, während er langsam ein Blattmuster in den Schaum zeichnet. Als er fertig ist, richtet er sich auf und schaut aus dieser Bewegung heraus auf die Tasse hinab — seine Mundwinkel steigen wider Willen nach oben. Statische Halbtotale, warmes Café-Interieur, sanft unscharfer Hintergrund, weiches Licht. Sein Gesicht bleibt stabil und unverzerrt, die Bewegung natürlich und flüssig, kein Ruckeln, kein Flackern; das Video frei von Untertiteln halten.
Die Bewegung landet am Handgelenk mit quantifiziertem Tempo („schwingt in gleichmäßigem Tempo“); „aus dieser Bewegung heraus“ ist die offizielle Formulierung für Aktionsübergänge; die Emotion wird über „seine Mundwinkel steigen nach oben“ nach außen verlagert; die Einschränkungen schließen den Prompt ab.
1.3 Einstellungsfolgen und Kameraführung
Für alles, was über eine Einstellung hinausgeht, nummeriere dein Storyboard: „Einstellung 1 / Einstellung 2 / Einstellung 3“ — jede Einstellung deckt der Reihe nach die Kamerabewegung, die Aktion des Subjekts, den Positionswechsel und das Audio ab. Beachte die offizielle Warnung: Die Unterstützung des Modells für exakte Sekunden ist instabil, und erzwungene Dauern können abnormale Ergebnisse erzeugen — nutze Einstellungsnummern und lass das Modell das Erzähltempo bestimmen (das ist das Gegenteil der sekundengenauen Zeitstempel von Seedance 2.5; vermische beide nicht). Und nur eine Kamerabewegung pro Einstellung — Heranfahrt, Schwenk und Tracking zu stapeln, erkauft dir nur Verwacklung.
Ein Wohnheim-Kurzdrama (offizieller Praxisfall)
Prompt
Das Aussehen des Mädchens folgt Bild 1, der Stil der Wohnheim-Szene folgt Bild 2, die Kameraführung folgt Video 1 und der Umgebungssound folgt Audio 1. Einstellung 1: Am Abend geht das Mädchen zügig zur Wohnheimtür; die Kamera folgt ihr ruhig in einer Halbtotalen, warmes gelbes Tageslicht fällt durch die Fenster in den Flur; sie hält an der Tür inne, atmet tief durch, leicht nervös. Einstellung 2: Sie drückt die Tür auf und tritt ein; Schnitt auf eine Halbtotale drinnen — ihre Mitbewohnerinnen schauen von ihren Büchern auf, und eine fragt grinsend {Wie lief die Prüfung? Hast du bestanden?}; die Kamera wechselt langsam zwischen halbnahen Einstellungen der einzelnen. Einstellung 3: Das Mädchen senkt zuerst mit niedergeschlagener Miene den Kopf — die Kamera geht auf eine halbnahe Einstellung — dann schaut sie auf, kann ihr Lächeln nicht zurückhalten und bricht in Lachen aus {Reingelegt!}; die Mitbewohnerinnen jagen und balgen sich; die Kamera fährt langsam zurück und verharrt auf einer Totalen des Wohnheims voller Gelächter. Durchgehend: hochauflösender cineastischer Dokustil, warme Farbgebung, weiches Licht; Gesichter stabil und unverzerrt, Bewegung natürlich und flüssig, kein Ruckeln, kein Flackern; der Umgebungssound verschmilzt natürlich mit Audio 1; das Video frei von Untertiteln halten.
Benötigt 2 Referenzbilder + 1 Kamera-Referenzvideo + 1 Umgebungs-Audioclip. Das vollständige Gerüst eines offiziellen Praxisfalls: Asset-Bindung am Anfang, nummerierte Einstellungen, Dialog in {}-Symbolen, Bildqualitäts- und Einschränkungswörter zum Abschluss.
1.4 Qualitäts-, Stil- und Einschränkungswörter
Drei Arten von Abschlusswörtern erfüllen je eine Aufgabe: Stilwörter setzen die künstlerische Richtung, Qualitätswörter halten die Schärfegrenze, und Einschränkungswörter dichten ab — „keine Untertitel erzeugen“, „kein Wasserzeichen erzeugen“, „keine Logos erzeugen“ sind das offizielle Einschränkungs-Trio, und sie senken die Ausschussquote messbar. Das Beispiel unten stapelt alle drei.
Eine Cyberpunk-Regengasse
Prompt
Cyberpunk-Stil mit kühler blauvioletter Farbpalette: In einer engen Regengasse flackern Neonschilder und holografische Werbung auf beiden Seiten, während eine Gestalt in leuchtender Jacke langsam auf das andere Ende zuschreitet und der nasse Boden die Lichter spiegelt. Die Kamera schwenkt sanft hinterher. Cineastische Qualität, reich an Details, satte Farben, vielschichtige Beleuchtung. Keinerlei Text oder Untertitel erzeugen, keine Logos, kein Wasserzeichen.
Stilwörter eröffnen und setzen den Ton, das offizielle Einschränkungs-Trio schließt ab — der feste Move gegen Untertitel- und Wasserzeichen-Ausschuss.
02 Text im Video
Slogans, Untertitel, Sprechblasen — Seedance 2.0 rendert lesbaren Text direkt ins Bild. Lerne zuerst das offizielle Symbolprotokoll: Dialog kommt in {}, Untertitel in 【】, Musik in (), Soundeffekte in <> — die Symbole sagen dem Modell, welche Art von Information jeder Abschnitt ist. Verwende für Bildschirmtext gängige Zeichen (seltene Zeichen und Sonderzeichen brechen leicht), und halte den Dialog in einer Sprache — kein Mischen von Chinesisch und Englisch, Eigennamen ausgenommen.
2.1 Slogans und Titeltext
Das offizielle Slogan-Template ist ein Fünferteam: Textinhalt + wann er erscheint + wo er erscheint + wie er erscheint + Textmerkmale (Farbe, Stil). Das Modell wählt von selbst eine passende Schrift; wenn du es streng willst, nenne Farbe und Stil direkt. Schließe mit „kein anderer Text außer dem angegebenen Wortlaut“ ab, um verirrte Schilder und Einblendungen fernzuhalten.
[Textinhalt] + [Timing] + [Position] + [Einblendung] + [Stil]
Textinhalt
Der exakte Wortlaut, der im Bild erscheinen soll, Buchstabe für Buchstabe ausgeschrieben.
Timing
Wann der Text erscheint, z. B. „in der zweiten Hälfte der Einstellung“.
Position
Wo der Text erscheint, z. B. „Bildmitte“ oder „unten“.
Stil
Farbe, Charakter der Schrift und Animation, z. B. „leuchtend gelbe handgeschriebene Buchstaben, die hereinspringen“.
Ein Werbeslogan für Zitronentee
Prompt
Handgezeichneter Comic-Stil: Drei Freunde sitzen um einen Campingtisch und trinken gemeinsam den Zitronentee aus Bild 1, die Stimmung ist freundlich und entspannt. In der zweiten Hälfte wird das Bild allmählich unscharf, und in der Bildmitte erscheint der Text „Sommer-Edition, immer erfrischend“, in einer runden Handschrift, leuchtend gelb, mit einer leichten Hüpf-Animation. Außer dem angegebenen Wortlaut erscheint nirgends im Bild Text oder Untertitel.
Benötigt 1 Produkt-Referenzbild. Das offizielle Fünferteam in einem Durchgang, abgeschlossen mit der Schlüsselzeile, die verirrten Text fernhält.
2.2 Untertitel
Untertitel und Voiceover sind natürliche Partner: Schreibe die Zeile in {} Buchstabe für Buchstabe, markiere die Untertitel dann mit 【】 oder nutze den offiziellen Templatesatz — „am unteren Bildrand erscheinen Untertitel, vollständig synchron zum Audiorhythmus.“ Das Template wörtlich zu zitieren ist der sicherste Weg.
Ein Voiceover für die Morgendämmerung des Universums
Prompt
Erzeuge ein Video mit Voiceover. Eine tiefe, ruhige Männerstimme sagt {Im gewaltigen Universum ist unsere Welt nur ein flüchtiger Moment. Doch in ihm erblüht das Leben gegen alle Widerstände.} Die Szene wechselt langsam von sternenübersäter Nacht zur Morgendämmerung — die Sterne verblassen einer nach dem anderen, die Sonne geht hinter dem Bergrücken auf, und das Wolkenmeer färbt sich golden. Am unteren Bildrand erscheinen Untertitel, vollständig synchron zum Audiorhythmus.
Der Schlusssatz ist das offizielle Untertitel-Template im Wortlaut; mit der Zeile in {} richten sich die Untertitel automatisch an der Stimme aus.
2.3 Sprechblasen
Sprechblasen im Comic-Stil lassen die Zeile einer Figur direkt ins Bild wachsen. Die offizielle Formulierung: „die Figur sagt {die Zeile}, und um die sprechende Figur erscheint eine Blase mit der passenden Zeile darin.“ Das passt zu leichter Erzählweise — Kurzdramen, Marketing-Sketche — und je kürzer die Zeile, desto besser kommt sie an.
Drei Zeilen auf der Laufbahn (offizieller Fall)
Prompt
Die beiden Personen aus Bild 1 laufen in Sportkleidung auf der Schulbahn. Das Mädchen dreht sich zum Jungen und sagt mit selbstbewusstem Lächeln {We can definitely do it!}; Schnitt auf eine halbnahe Einstellung des Jungen, der zögerlich antwortet {Are you sure?}; Schnitt zurück auf eine mittlere Nahaufnahme des Mädchens, das fröhlich sagt {Yes!}, die Stimmung hell und entschlossen. Um jede sprechende Figur erscheint eine Blase mit der passenden Zeile darin. Außer den Blasenzeilen erscheint nirgends im Bild Text.
Benötigt 1 Zwei-Personen-Referenzbild. Die Kamera wechselt mit jeder Zeile zwischen den beiden Sprechern — eine kurze Zeile pro Person ist alles, was ein paar Sekunden fassen.
03 Bildreferenzen
Ein Referenzbild schlägt hundert Adjektive. Lade Produktaufnahmen, Charakterbilder oder ein Logo hoch und sprich sie im Prompt als „Bild 1“, „Bild 2“ an — das Modell verankert Aussehen und Stil an deinen Assets. Die Upload-Reihenfolge ist die Nummerierungsreihenfolge. Für Szenen mit mehreren Subjekten nutze die offizielle Definitionsformulierung: „definiere die Frau im roten Kleid mit Strohhut aus Bild 1 als Subjekt 1“ und verwende danach durchgehend dasselbe Label — wechsle niemals zwischen einem Namen und „diese Frau“. Und mehr Assets sind nicht besser: Die offizielle Empfehlung ist ein Setup aus 4–5 Assets (1–2 Charakterbilder + 1 Szenenbild + 1 Kamera-Referenzvideo + 1 Audioclip); alle Slots vollzustopfen verwirrt nur die Merkmalsprioritäten des Modells.
3.1 Referenzen aus mehreren Blickwinkeln
Umkreisende E-Commerce-Aufnahmen und die szenenübergreifende Wiederverwendung einer Figur beruhen beide auf Referenzbildern aus mehreren Blickwinkeln, die das Aussehen festnageln: Lade 2–3 Bilder desselben Subjekts aus verschiedenen Winkeln hoch, und das Modell baut eine vollständige Identitätsakte, die jeden Szenenwechsel übersteht. Für Personen reichen eine saubere Gesichtsnahaufnahme plus eine Ganzkörperaufnahme — vermeide Mehransichten-Collagen, die das Modell gern als verschiedene Personen liest.
Referenziere das [Subjekt] in [Bild N] + erzeuge [Szenenbeschreibung] + halte das [Subjekt] konsistent
Referenz-Subjekt
Das Subjekt, dessen Erscheinungsbild verankert wird, angesprochen mit „Bild N“.
Szenenbeschreibung
Was in der neuen Szene passiert: Aktion, Kamera, Umgebung.
Konsistenz
Eine Zeile „konsistent mit den Referenzbildern bleiben“ verstärkt die Verankerung.
Eine Kamera in der Runde (offizieller Fall)
Prompt
Extrahiere die Kamera aus Bild 1, Bild 2 und Bild 3, ersetze den Hintergrund durch reines Weiß und platziere die Kamera auf einem weißen Tisch. Die Einstellung eröffnet mit einer Nahaufnahme des Gehäusematerials, dann umkreist sie die Kamera langsam in einer vollen Drehung und zeigt klar Vorderseite, Seiten und Rückseite. Das Produkt-Erscheinungsbild bleibt konsistent mit den Referenzbildern. Studioreife Beleuchtung, sauberes Bild; kein Wasserzeichen und keinen Text erzeugen.
Benötigt 2–3 Produktbilder aus mehreren Winkeln. „Extrahiere … bleibt konsistent“ ist die offizielle Standardformulierung für die Verankerung über mehrere Blickwinkel, abgeschlossen mit Einschränkungswörtern.
3.2 Referenzen aus mehreren Bildern
Jedes Bild übernimmt eine Aufgabe: eins für die Figur, eins für das Logo, eins für die Szene. Weise jede Rolle in Upload-Reihenfolge zu — „Bild 1“, „Bild 2“ — und das Modell verwechselt sie nicht. Je wichtiger das Asset, desto früher sollte es im Prompt erscheinen.
Ein Logo-Auftritt in einer Neonstadt (offizieller Fall)
Prompt
Der Hintergrund ist eine Himmelspromenade in einer neonbeleuchteten Zukunftsstadt, Fluggeräte und holografische Werbung verweben sich. Nimm das Mädchen aus Bild 2 als Referenz und eröffne mit einer Halbtotalen, in der sie eine silberne schwebende Laterne mit holografischem Leuchten aufsteigen lässt; die Kamera fährt dann langsam zurück und enthüllt einen Himmel voller schwebender Laternen; das Bild wird allmählich unscharf, und das Logo aus Bild 1 erscheint mittig und verharrt dort. Insgesamt im 3D-Cyberpunk-Sci-Fi-Animationsstil mit kühler blauvioletter Farbpalette; das Aussehen des Mädchens bleibt konsistent mit dem Referenzbild.
Benötigt 2 Bilder (Logo + Figur); das Logo landet direkt nach der Unschärfe-Transition — maximale Zeremonie.
Fünf Assets, fünf Aufgaben in einem Café (offizieller Fall)
Prompt
Die Szene spielt im Restaurant aus Bild 4, Gäste kommen und gehen. Das Mädchen aus Bild 1, im Outfit aus Bild 2, räumt Gegenstände auf dem Tresen auf. Der Junge aus Bild 3 ist ein Gast, der herüberkommt, um nach ihrem Kontakt zu fragen. Das Schild aus Bild 5 bleibt durchgehend in der unteren rechten Bildecke sichtbar. Gesichter, Frisuren und Outfit-Details bleiben konsistent mit den Referenzbildern; das Bild ist natürlich und flüssig; das Video frei von Untertiteln halten.
Benötigt 5 Referenzbilder (Mädchen / Outfit / Junge / Szene / Schild). Eine Aufgabe pro Bild, jedes per Nummer angesprochen — der offizielle Standard für Mehrelement-Referenzen.
04 Videoreferenzen
Was Worte nicht festnageln können — Kampfchoreografien, Sturzflug-Kamerapfade, Partikeleffekte — übergib einem Referenzvideo. Das Modell übernimmt die Bewegung, die Kameraführung oder die Effektmorphologie; du tauschst deine eigenen Subjekte und Szenen ein. Die Upload-Reihenfolge ist die Nummerierungsreihenfolge für „Video 1“, „Video 2“. Denk an die Asset-Budget-Regel: 4–5 Assets sind der Sweet Spot; alle Slots vollzustopfen lädt Stilkonflikte und verschwommene Subjekterkennung ein.
4.1 Bewegungsreferenzen
Bei komplexen Bewegungen — Kämpfe, Tanz, Sprints — geht mit reinem Text immer etwas verloren. Lade ein Bewegungs-Referenzvideo hoch, und das Modell übernimmt dessen Aktionsrhythmus und Kamerasprache; du bringst deine eigenen Figuren und deinen Schauplatz mit.
Eine Kampfszene mit zwei Personen (offizieller Fall)
Prompt
Referenziere die Bewegungen der Figuren und die Kamerasprache aus Video 1 und erzeuge einen Kampf zwischen den beiden Figuren aus Bild 1 und Bild 2: Bild 1 ist der Kämpfer rechts, Bild 2 der links. Die Schlagabtäusche sind eng und temporeich, die Kamera reitet auf dem Rhythmus der Action, (im Hintergrund läuft treibende Perkussion). Die Gesichter bleiben konsistent mit den Referenzbildern; die Bewegung bleibt flüssig, niemals steif, kein Clipping, kein Ruckeln; das Video frei von Untertiteln halten.
Benötigt 1 Bewegungs-Referenzvideo + 2 Charakterbilder. Bewegung und Kamera gehen ans Video, die Gesichter an die Bilder, und die Musik wird mit dem ()-Symbol markiert — die offizielle Arbeitsteilung.
4.2 Kamerabewegungs-Referenzen
Für Kamerapfade wie FPV-Sturzflüge und umkreisende Aufstiege ist ein Referenzvideo präziser als jeder Kamerabegriff. Das Modell kopiert die Bahn; du musst nur den neuen visuellen Anker und den Szenenstil benennen.
Ein FPV-Sturzflug durch einen Tech-Campus (offizieller Fall)
Prompt
Referenziere die Kamerabewegung aus Video 1, um ein Konzeptvideo für einen Tech-Campus zu erstellen: Mit dem Hochhaus aus Bild 1 als visuellem Anker derselbe Sturzflug aus der Ich-Perspektive — aus oberhalb der Wolken herabstürzend, durch die Skybridges zwischen den Türmen hindurchfädelnd, schließlich tief über das Wasser streifend — und vermittle den Hightech- und Zukunftscharakter des Campus. Material ruhig und stabil, cineastische Qualität; das Video frei von Untertiteln halten, kein Wasserzeichen erzeugen.
Benötigt 1 Kamera-Referenzvideo + 1 Szenenbild. „Derselbe Sturzflug aus der Ich-Perspektive“ ist die offizielle Formulierung — die Flugbahn wird aus dem Referenzvideo kopiert, weit präziser als Worte.
4.3 Effektreferenzen
Partikel, Lichteffekte, Verwandlungspfade — Form und Bewegungslogik eines Effekts widersetzen sich der verbalen Beschreibung. Die offizielle Praxiserkenntnis ist einstimmig: Wenn ein Effekt danebengeht, füttere das Ziel-Effektvideo als Referenz ein, damit das Modell seine exakte Morphologie erfasst — die Trefferquote springt sofort nach oben.
Goldene Partikel um eine Flöte (offizieller Fall)
Prompt
Referenziere den goldenen Partikeleffekt aus Video 1: Während die kostümierte Figur aus Bild 1 eine Bambusflöte spielt, wirbeln dieselben goldenen Partikel um sie herum und sammeln und zerstreuen sich im Rhythmus der Melodie. Das Gesicht bleibt konsistent mit dem Referenzbild, die Bewegung natürlich, das Gesamtgefühl das eines Wuxia-Films; das Video frei von Untertiteln halten.
Benötigt 1 Effekt-Referenzvideo + 1 Charakterbild; auf einen Effekt mit einem Video zu zeigen, schlägt das Stapeln von Adjektiven.
05 Videobearbeitung
Lade ein vorhandenes Video hoch und füge Elemente hinzu, entferne oder ändere sie, verlängere es nach vorn oder hinten oder verbinde Clips — alles mit einer einzigen Anweisung. Wähle das Modell nach der Aufgabe: Für Hinzufügen/Entfernen/Ändern nimm Seedance 2.0 Video Edit — lade im Videobearbeitungsmodus einen 3–15-sekündigen Ausgangsclip hoch, und die Ausgabedauer folgt der Quelle; für Verlängerungen nimm Seedance 2.0 Extend — jeder Durchlauf fügt 4–15 Sekunden hinzu. Das Verbinden zweier Clips läuft weiterhin im Referenz-zu-Video-Modus mit beiden Clips als Referenzen. Eine Schreibregel gilt durchgehend: Bearbeitungsaufgaben sprechen den Clip direkt als „Video 1“ an — niemals „referenziere Video 1“, das wird als Referenzaufgabe statt als Bearbeitung fehlgedeutet.
5.1 Elemente hinzufügen, entfernen und austauschen
Diese Aufgaben gehen an das Modell Seedance 2.0 Video Edit. Die offizielle Formulierung unterscheidet sich je nach Operation: Bei Hinzufügungen buchstabiere „Elementmerkmale + wo sie erscheinen“ aus; bei Änderungen nutze „ersetze A in Video N durch B aus Bild N“; bei Entfernungen benenne, was weg soll — und betone zusätzlich, was bleiben muss, was laut offiziellem Guide messbar besser funktioniert. Bei Austauschvorgängen hänge ein Referenzbild des neuen Elements an, für ein genaueres Erscheinungsbild.
In [Video N] bei [Zeitpunkt/Position] + füge hinzu/entferne/ersetze [Elementbeschreibung]
Bearbeitungsoperation
Hinzufügen, entfernen oder ersetzen – nenne die Operationsart in einem Wort.
Zeitliche Position
Wann es im Video passiert, z. B. „in der zweiten Hälfte“.
Räumliche Position
Wo im Bild, z. B. „auf der linken Seite des Tisches“.
Snacks auf den Tisch stellen (offizieller Fall)
Prompt
Füge auf der Tischfläche in Video 1 Brathähnchen, Pizza und andere Snacks hinzu. Das Essen liegt natürlich, seine Beleuchtung passt zum Originalmaterial, und alles andere bleibt unverändert.
Benötigt 1 Ausgangsvideo. Die offizielle Hinzufügungsformulierung = Elementmerkmale + Position, abgeschlossen mit „alles andere bleibt unverändert“.
Den Tisch abräumen (offizieller Fall)
Prompt
Entferne die übrigen Teile und Werkzeuge vom Tisch in Video 1, sodass die Tischfläche ordentlich und sauber bleibt — nur die Gegenstände in den Händen der beiden Personen bleiben. Ihre Bewegungen, die Beleuchtung und die Kamerabewegung bleiben vollständig unverändert.
Benötigt 1 Ausgangsvideo. Die offizielle Entfernungsregel: Benenne, was weg soll, und betone, was bleiben muss — das funktioniert messbar besser.
Das Parfüm gegen eine Creme tauschen (offizieller Fall)
Prompt
Ersetze das Parfüm in Video 1 durch die Gesichtscreme aus Bild 1. Die Aktionen und die Kamerabewegung bleiben unverändert; Perspektive und Spiegelungen des Ersatzprodukts fügen sich natürlich in das Originalmaterial, und alles andere bleibt gleich.
Benötigt ein Ausgangsvideo + 1 Referenzbild des Ersatzprodukts. Die offizielle Änderungsformulierung = „ersetze A in Video N durch B aus Bild N“ + Aktionen und Kamera unverändert.
5.2 Videoverlängerung
Wechsle zum Modell Seedance 2.0 Extend und wähle am Schieberegler 4–15 Sekunden neues Material. Verlängere nach hinten für einen Prolog oder nach vorn für ein Ergebnis; audiovisueller Stil und Subjekte werden automatisch übernommen. Beschreibe nur das neue Segment — das Modell kürzt die Verbindungsstelle automatisch, und das Ausgangsmaterial wird nie neu generiert.
Eine Über-die-Schulter-Beruhigung davor (offizieller Fall)
Prompt
Verlängere Video 1 nach hinten: Gib dem Mann in Weiß eine Über-die-Schulter-Einstellung, und er sagt sanft {It's not that bad. You're just stressed. Everyone goes through this, you just need to keep going.} Die Innenraumbeleuchtung bleibt konsistent mit dem Originalmaterial.
Benötigt 1 Ausgangsvideo. Schreibe „verlängere Video 1 nach vorn/hinten“ so, wie es ist — füge niemals das Wort „referenziere“ hinzu, das wird als Referenzaufgabe fehlgedeutet.
Weiter bis zum Wiedersehen der Freunde (offizieller Fall)
Prompt
Erzeuge, was nach Video 1 passiert: Die beiden Nachzügler rennen zu ihnen, die fünf Freunde treffen sich endlich und unterhalten sich herzlich. Aussehen, Schauplatz und Beleuchtung werden aus dem Originalmaterial übernommen; die Bewegung ist natürlich und durchgehend.
Benötigt 1 Ausgangsvideo. Eine Verlängerung nach vorn beschreibt nur das neue Segment — das Modell kürzt die Verbindungsstelle automatisch und generiert das Ausgangsmaterial nie neu.
5.3 Zwei Clips überbrücken
Gib dem Modell einen Anfangsclip und einen Schlussclip, und es füllt den fehlenden Übergang dazwischen. Dein Prompt muss nur beschreiben, was an der Nahtstelle passiert — ein Windstoß, ein Partikelübergang, ein Match Cut funktionieren alle als Klebstoff. Bis zu 3 Eingabevideos werden unterstützt, mit einer Gesamtdauer von höchstens 15 Sekunden.
Übergang mit fallendem Blatt (offizieller Fall)
Prompt
Video 1. In dem Moment, in dem das fallende Blatt den Boden berührt, schießt ein Ring goldener Partikel nach außen, und ein Windstoß fegt über das Bild — dann Schnitt zu Video 2.
Benötigt 2 Videos (Anfangs- und Schlussclip); beschreibe nur das fehlende Mittelstück — je kürzer, desto fokussierter.